English(EN) In-Context Robot Learning with VLM Agents

新的GPT-Policy框架使机器人能够从上下文中学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

研究人员推出了一种名为GPT-Policy的新型框架，旨在使机器人能够在部署时从上下文中学习。该系统集成了上下文编译器、用于提出动作的视觉语言模型（VLM），如GPT-6 Astra，以及用于执行和验证的约束控制器。实验表明，人类视频演示可以提高任务完成率，并且在为接触敏感任务提供动作参考时，可以获得额外的收益。研究结果表明，GPT-Policy是实现能够将VLM能力转化为物理动作的适应性机器人的一个步骤。 AI

影响使机器人能够实时学习和适应，有可能加速更通用的自主系统的部署。

排序理由该条目描述了一个新框架及其在提交给arXiv的研究论文中的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一个新框架及其在提交给arXiv的研究论文中的评估。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, product, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Dongzhou Cheng, Taoran Yi, Ye Fang, Xingwu Zhang, Fan Feng, Yixuan Li, Gengxiong Zhuang, Rongze Wang, Shuai Yang, Wei Song, Weizhi Xue, Minyan Wu, Jie Gui, Jiaqi Wang, Tong Wu · 2026-09-17 04:00

VLM 智能体实现上下文机器人学习

arXiv:2609.19138v1 Announce Type: new Abstract: Enabling robots to adapt to unfamiliar environments as readily as humans remains a moonshot goal of embodied AI. No finite collection of demonstrations can cover every task and situation a robot will encounter, making the ability to…

本文如何被排名

报道来源 [1]

VLM 智能体实现上下文机器人学习

相关实体

相关话题